人工智能时代应如何学习（第3/9页）

常识的升级让我们具有洞察力和世界观。各方面的常识越丰富坚实，相互之间联系越清晰，你越能一眼看到各个部分的问题，找到系统性解决方案，理解全局局势，从而判断出趋势。这种系统性趋势理解和基于过去趋势经验的外推不同，它是对多领域知识相互关系的理解，根据各部分关系的走势变化，对整体趋势做出判断。如果只能学习某一模块内的专业知识，不可能对全局有所把握。这一方面需要知识，另一方面也需要经验和视野。这不仅仅是单纯输入数据能够做到的。IBM的人工智能“沃森”几年前就输入了维基百科的多学科知识，也在知识竞赛中打败人类选手。但是世界观并不是碎片知识的堆积，世界观是世界模型。

世界观让我们有跨专业的创新能力。我们能够从物理和生物的结合中做出蛋白质组学，能把音乐领域理论带入建筑设计，能将政治、经济知识与生活场景对应，最终以波普艺术的方式呈现出产品。构建知识的全景舞台，让多学科门类知识搭配组合，创建更有意义的事物，这是目前的人工智能难以跨越的一步。

创造力

创造力是生成有意义的新事物的能力。它是多种能力的综合，一方面要求理解旧事物，另一方面能够想象新事物。对旧有数据的学习和遵循是人工智能可以做的，但是对不存在的事物的想象，人工智能远远不如人类。

说有意义的新事物，是因为目前人工智能有一种“伪创造力”，也就是随机制作或统计模仿。只要一个程序，就可以随机生成一百万幅画，或者统计畅销小说中的语词和桥段，进行模仿和组装。但这不是有意义的创造，它们不懂它们创造了什么。

真正的创造力不是这样。真正的创造力是对问题的深刻洞察，提出与众不同的全新的解决方案，或是对想象的极大拓展，让奇思妙想转化为可实现的全新作品，或是对人性的复杂领悟，把人心不可表达的感触转化为可表达的感人艺术。没有深刻的理解和敏锐的感受，就没有真正的创造力。创造力仍然是人类独特的能力，它需要太多人类特质做基础：审美能力、独特的联想能力、敏锐的主观感受、冒险精神、好奇心和自我决定，发散思维和聚合思维的切换，最后，还需要对事情强烈的热爱。

创造力让人不断拓展自身的边界。在越来越大的版图中，只有惯例的事情交给机器做，人类永远能在新大陆找到存在空间。有创造力的人越多，新版图就越大，能够容纳的人就越多。但进入的前提是，需要具备创造力。

人类学习有什么特点？

“那我们如何获得未来所需的能力呢？”

我知道大家的第一反应肯定是这样。提到了能力，就要说如何获得。但在谈路径之前，我想先聊一聊，人类是如何学习的。只有了解了人类学习的独特性，才可能知道未来我们如何去做。

人类学习的最精华特点，凝结在孩子身上。

人工智能时代，当我们越来越熟悉机器学习，我们也就越来越对孩子的学习充满惊叹。我有时候在家观察孩子的行动，听她议论周围的世界，会对她展现的领悟力感到叹为观止。孩子是造物的奇迹，他们用神奇的表现，一次次让科学家感到不可思议。而如果没有和人工智能对比，我们可能还察觉不到这种不寻常的能力。

传统教科书上只说如何用奖惩实现教育，只探讨课堂的教学法，但实际上，儿童的学习远远超越课堂范围，普通的奖惩也无法限制他。儿童的学习从婴儿期就开始，一直持续到成年，甚至终身。与人工智能的学习方法相比，孩子的学习有一系列非常独特的学习特征。

总体而言，小孩子和人工智能相比，有下面几个明显的特别优势：

以偏概全；

走神；

厌倦；

出错；

依赖情感；

叛逆。

我先带大家看一下，为什么这些特点是人类小孩的优势。

小数据学习vs.大数据学习

孩子是小数据学习。与人工智能对比，小孩子的学习能力高效得惊人。人工智能学习认鸭子，需要看数百万张鸭子的图片，小孩子只需要看两三张就够了，下次就能认出来。而且不仅仅是生活中有可能出现的熟悉的事物，小孩子看图片认袋鼠、考拉——北半球的小孩子可能从来没机会见到真的——也是一样高效。

这种能力，可能就和前文提到过的“抽象认知”能力相关。人类记住某些事物，是以非常抽象的方式提取关键特征，记忆成“模式”。这是如何做到的，现在还是谜。预言学家雷·库兹韦尔猜想，人类记忆“模式”是存储在大脑的三亿个柱状结构中。且不管他的猜想是不是正确，我们只要知道人类的这种模式识别能力的强大，就足以发出感叹。